- •Содержание.
- •1. Оптимизация режимов энергосистем 6
- •2. Автоматизированные системы управления (асу). 53
- •Введение
- •1. Оптимизация режимов энергосистем
- •1.1. Параметры режима эс
- •1.2. Формулировка задачи оптимизации
- •1.3. Особенности задачи нелинейного программирования
- •1.4. Методы безусловной оптимизации
- •1.4.1. Метод покоординатного спуска
- •1.4.2. Градиентный метод
- •1.4.3. Метод случайного поиска
- •1.4.4. Метод деформированного многогранника
- •1.5. Оптимизация с учетом ограничений в форме равенств
- •1.5.1. Метод прямой оптимизации
- •1.5.2. Метод приведенного градиента
- •1.5.3. Метод неопределенных множителей Лагранжа
- •1.6. Оптимизация с учетом ограничений в форме неравенств
- •1.7. Условия оптимального распределения нагрузки между параллельно работающими блоками
- •1.8. Характеристики основного оборудования тэс
- •1.9. Характеристики блоков
- •1.10. Маневренные свойства блока
- •1.11. Методы распределения нагрузки между блоками на кэс
- •1.11.1. Графический метод.
- •1.11.2. Распределение с помощью эвм.
- •1.12. Влияние погрешностей в определении на пережог топлива
- •1.13. Условие оптимального распределения в системе с тэс
- •1.14. Условия распределения мощности и энергии с учетом рынка перетоков
- •1.15. Определение удельных приростов потерь
- •1.16. Мероприятия по снижению потерь в сети
- •1.17. Распределение нагрузки в системе с гэс
- •1.18. Определение характеристик гэс
- •1.19. Распределение нагрузки в системе с гэс
- •1.19.1. Применение динамического программирования для выбора графика сработки водохранилища для гэс
- •1.20. Оптимизация реактивной мощности в системе
- •1.21. Комплексная оптимизация режима
- •1.22. Выбор состава включенного в работу оборудования.
- •1.23. Применение эвм для оптимизации
- •1.24. Оптимизация надежности
- •1.24.1. Выбор оптимального аварийного резерва
- •1.24.2. Определение дискретных рядов аварийного выхода и снижения нагрузки
- •1.25. Оптимизация качества электроэнергии.
- •1.26. Интегральный критерий качества.
- •1.27. Определение оптимального напряжения для осветительной нагрузки.
- •2. Автоматизированные системы управления (асу).
- •2.1. Энергосистема как объект управления.
- •2.2. Подсистемы асу тп.
- •2.3. Подсистемы технического обеспечения.
- •2.3.1. Датчики электрических параметров.
- •2.3.2. Счетчики.
- •2.3.3. Устройства преобразования информации.
- •2.3.4. Средства связи в асу и телемеханика.
- •2.3.5. Регистраторы событий.
- •2.3.6. Автоматизированные системы контроля и учета электроэнергии (аскуэ).
- •2.3.7. Средства отображения информации.
- •2.3.8. Информационное обеспечение.
- •2.4. Подсистемы программного обеспечения асу.
- •Иоасу “Энергия”
- •2.5. Асу тп тэс.
- •2.6. Асу пэс
- •2.7. Асу тп подстанций.
- •2.8. Контроль за работой пэ энергосистемы.
1.5.3. Метод неопределенных множителей Лагранжа
Решение задачи лежит там, где , то есть условием минимума является равенство:
Введем обозначение:
,
где = {1,…,m} образуют вектор некоторых множителей.
С учетом этого условие минимума можно представить в виде следующей системы:
Система (2) тождественна условию и определяет решение задачи. Эту систему можно составить формально как условие минимума некоторой функции Лагранжа L(,Y,)
L(,Y,) = F(,Y) + G(,Y)min.
Функцию Лагранжа можно составить, не разделяя X на зависимые и независимые составляющие:
L(Х,) = F(Х) + G(Х)= F(Х) + Σjg j (X) min.
.
Условие минимума:
.
Эта система из (m + n) уравнений позволяет найти все неизвестные xi и неопределенные множители j.
1.6. Оптимизация с учетом ограничений в форме неравенств
Общая задача нелинейного программирования содержит ограничения в форме неравенств
F(Х) min;
G(Х) ≥ 0.
Учет таких ограничений является наиболее сложным. Простейший подход, заключающийся в последовательном решении задачи без учета ограничений с последующей проверкой ограничений и закреплении вышедших за допустимую область переменных на границе, далеко не всегда дает правильное решение.
На рис.1.12 показан такой случай F(x) min; g1(x) ≥ 0; g2(x) ≥ 0.
Решение без учета ограничений определяет точку A(x`1,x`2), в которой нарушены оба ограничения
g1(x) = x1max – x1 < 0;
g2(x) = x2max – x2 < 0;
Закрепление переменных на границе определяет точку В предполагаемого решения, для которой x1ОПТ = x1max, x2ОПТ = x2max.
Фактически же решение лежит в точке C. В этой точке только x2ОПТ лежит на границе и ограничение g2(x) называют активным. Переменная x1ОПТ < x1max, и ограничение g1(x) называют пассивным.
Таким образом, при решении могут возникнуть самые разные ситуации, в которых надо определять тип ограничений (активные или пассивные). При учете активных ограничений нужно использовать проекции градиента, если антиградиент выводит за допустимую область и т.п.
Поэтому для учета ограничений в форме неравенств существует много методов. Большинство основано на идее проектирования градиента и называются проективными. В последнее время начинают использовать методы, основанные на линеаризации, т.е. замене нелинейностей в исходной точке Х(0) разложением в ряд Тейлора с учетом первых двух членов разложения, линеаризации задачи и поиска минимума симплекс- методом.
Критерием окончания такого итерационного процесса является небольшая разница между значениями, полученными на смежных итерациях.
Наиболее простой метод учета ограничений – метод штрафных функций. Здесь допускается любое значение неизвестных, но при выходе за допустимую область к F(X) добавляется штрафная функция. Величина штрафа зависит от степени нарушения ограничений.
Формируемая функция имеет вид ,
где ;
.
На рис. 1.13 показана оптимизация для функции с одной переменной:
f(x)min;
g1(x) = xmax – x 0;
g2(x) = x – xmax 0;
Решение по методу всегда лежит за допустимой областью, но вблизи границы.
Жесткость ограничения зависит от величины коэффициента штрафа kШ. Сочетание метода штрафных функций с методами нулевого порядка позволяет строить надежные алгоритмы решения общей задачи нелинейного программирования.